疑问1：sigmoid激活函数可以用于多分类的输出吗？

可以，但需要进行一些修改。sigmoid函数的输出范围在0到1之间，可以表示二分类问题（如：图像中的二值化分割）中的概率值。但在多分类问题中，需要将输出转换为表示每个类别的概率值。常用的方法是使用softmax函数，将sigmoid函数的输出转换为概率分布。softmax函数将每个类别的得分归一化为0到1之间的概率值，使得它们的和为1。因此，sigmoid函数可以用于多分类的输出，但需要与softmax函数进行配合使用。

疑问2：在pytorch中，多分类输出使用激活函数吗？

在PyTorch中，多分类（如：图像中的多器官分割）输出通常不使用激活函数，而是使用softmax函数。softmax函数将输出转换为表示每个类别的概率分布，使得它们的和为1。这样，我们可以根据输出的概率值来判断输入属于哪个类别。在PyTorch中，可以使用nn.Softmax函数来实现softmax操作。在定义多分类神经网络时，通常将输出层的激活函数设置为nn.Identity函数，这样输出层的输出就是未经处理的原始值，然后再使用nn.Softmax函数对其进行处理。